/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
9 окт 2026

uvr-vr-GGUF

Обработка аудиоАудио → аудио

Набор GGUF-моделей UVR VR 5.1 для разделения аудио на очищенный сигнал и шум либо на сигнал без эха и эхо.

142скачиваний за 30 дней1лайквеса обновлены10 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это набор из пяти моделей Ultimate Vocal Remover на архитектуре VR 5.1 CascadedNet, преобразованных автором репозитория в формат GGUF для использования с stems.cpp. Модели предназначены для разделения аудио на два стема: Lite и DeNoise выделяют шум и очищенный сигнал, а De-Echo — сигнал без эха и эхо. Размеры указанных в карточке моделей составляют 4 млн и 32 млн параметров; репозиторий также включает варианты на 56 млн параметров.

Весам не присвоена лицензия: README предупреждает, что лицензия не указана и права на распространение не следует считать предоставленными. Файлы представлены в формате GGUF F32 и рассчитаны на запуск через stems.cpp на CPU, CUDA, Vulkan или Metal без Python. README сообщает о высокой численной близости результатов C++-реализации к эталонному конвейеру, но эти измерения проверяют совпадение вычислений, а не качество очистки звука.

Реализация не полностью повторяет UVR GUI: в ней отсутствуют некоторые режимы обработки, включая настройку агрессивности, тестовое расширение данных, объединение артефактов и зеркальное дополнение высоких частот; применяемый синтез также отличается от обычного режима Windows UVR. Данные о поддерживаемых языках и контекстной длине к этим аудиомоделям неприменимы.

Сценарии применения

  • удаление фонового шума из аудиозаписи
  • очистка вокальной дорожки от шума
  • подавление эха в записи
  • выделение шумовой составляющей из звука
  • разделение аудио на целевой сигнал и остаточный стем

Ограничения

Лицензия на веса не указана, поэтому условия их использования и распространения не установлены. Реализация для stems.cpp не включает ряд функций UVR GUI, а приведённые в README замеры подтверждают вычислительную совместимость, но не качество очистки на реальных записях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

UVR VR denoise and de-echo models, GGUF

No license is stated for these weights anywhere upstream. They are distributed with Ultimate Vocal Remover's model downloads and mirrored without one. They are republished here in GGUF form with that caveat. Do not assume any license, and if you hold the rights and want them removed, open a discussion on this repository.

Five of Ultimate Vocal Remover's VR-architecture (UVR 5.1 CascadedNet) models, converted to GGUF for stems.cpp, a C++/ggml stem separator that runs on CPU, CUDA, Vulkan and Metal with no Python. Each returns two stems: the one the network's mask selects (primary) and its complement.

model idfileoutputs (primary, secondary)size
uvr_denoise_liteuvr_denoise_lite-4M-v1.0-F32.ggufnoise, denoised16.8 MiB
uvr_denoiseuvr_denoise-32M-v1.0-F32.ggufnoise, denoised120.8 MiB
uvr_deecho_normaluvr_deecho_normal-32M-v1.0-F32.ggufno_echo, echo120.8 MiB
uvr_deecho_aggressiveuvr_deecho_aggressive-32M-v1.0-F32.ggufecho, no_echo120.8 MiB
uvr_deecho_dereverbuvr_deecho_dereverb-56M-v1.0-F32.ggufno_reverb, reverb212.8 MiB

F32 only. SHA256SUMS lists every file.

Download and run

git clone --recursive https://github.com/betweentwomidnights/stems.cpp && cd stems.cpp
./build.sh vulkan                          # or cpu | cuda | metal   (Windows: build.cmd)
./models.sh uvr_denoise uvr_deecho_normal
build-vulkan/bin/stems-split -m models/uvr_denoise-32M-v1.0-F32.gguf -i recording.wav -o clean/ --stems denoised
build-vulkan/bin/stems-split -m models/uvr_deecho_normal-32M-v1.0-F32.gguf -i vocal.wav -o dry/ --stems no_echo

stems-server finds each by model id ("model": "uvr_denoise"). The stems.cpp release packages (v0.1.3 and later) load them through the same C ABI as the other models.

What the runtime does

The network is UVR's 5.1 CascadedNet, unchanged. The spectral path around it is defined explicitly so every platform computes the same thing: periodic Hann STFT with centred zero padding, UVR's band layout (4band_v3 for the 32M/56M models, 1band_sr44100_hl1024 for Lite), polyphase resampling between bands with the filters stored in the GGUF, UVR's prefilter and synthesis masks, and 256-frame windows with 64 frames discarded at each edge. It is not byte-identical to the UVR GUI: UVR's Windows synthesis normally uses sinc_fastest, and its optional aggressiveness, test-time augmentation, artifact merging and high-end mirroring are not implemented. See stems.cpp's docs/VR.md.

Parity

SNR of the C++ output against the unchanged UVR network and stems.cpp's portable Python pipeline, on a 4 s stereo music excerpt, measured 2026-10-07/09 with ggml 9d0d910b. CPU: Core Ultra 9 275HX. Vulkan and CUDA: RTX 5070 Laptop. Every run passes stems.cpp's check (cosine >= 0.99999, SNR >= 50 dB).

modelbackendmaskprimarysecondary
DeNoise-LiteCPU / Vulkan / CUDA90.8 / 104.9 / 106.3 dB110.3 / 112.0 / 114.2 dB138.9 / 139.2 / 139.4 dB
DeNoiseCPU / Vulkan / CUDA112.3 / 114.1 / 111.4 dB115.1 / 115.8 / 112.7 dB135.1 / 135.1 / 135.1 dB
De-Echo NormalCPU / Vulkan / CUDA118.7 / 119.3 / 110.8 dB123.1 / 122.7 / 115.7 dB110.7 / 110.2 / 103.0 dB
De-Echo AggressiveCPU / Vulkan / CUDA114.8 / 116.1 / 110.2 dB122.0 / 121.3 / 117.1 dB112.9 / 112.2 / 108.0 dB
DeEcho-DeReverbCPU / Vulkan / CUDA119.5 / 121.7 / 77.6 dB120.6 / 119.9 / 76.4 dB106.1 / 105.4 / 61.8 dB

DeEcho-DeReverb on CUDA is the one outlier, still far below audibility.

On Apple Metal (M4, 32 GB, references dumped there) every model passes too, with cosine 1.000000000. Mask / primary / secondary SNR: De-Echo Normal 118.8 / 122.5 / 110.0 dB, De-Echo Aggressive 116.0 / 121.8 / 112.7 dB, DeEcho-DeReverb 121.9 / 120.3 / 105.8 dB (no sign of the CUDA gap), each in under 1.8 s for the 4 s excerpt. DeNoise passed Metal parity when ggml's im2col change was validated.

SNR here is against reference outputs, not against clean recordings: it shows the port computes what UVR's network computes, not how well a model denoises.

Sources

Checkpoints from the seanghay/uvr_models mirror at revision 6f4fc0c, SHA256-verified by the converter; UVR modelparams and network code from Anjok07/ultimatevocalremovergui at a5f88453bfb2b38b05a965bcf67727243e0cbf19.

filesha256
UVR-DeNoise-Lite.pth0023492fe98c406817b5253965de19ede65d1c147db015a3a428f07602e99571
UVR-DeNoise.pth5addf43ece5bddd18da9f575a02d7ffdb32342414e6ad7ac8d1dd7a04138a628
UVR-De-Echo-Normal.pthb849dd575643b075c257fb7a96c2ef5a79d7a5e7df74a2b319ad47118f1ee769
UVR-De-Echo-Aggressive.pth1bd1d79d9c5d1b17d20f96f8a9f8aff1b55a83014f70712446bf420c0188e0a0
UVR-DeEcho-DeReverb.pthe644028ec82865dc0fe082bc6fea85a43f7c71cfe375caee2da2d154aa661ee7

Converted with tools/convert_vr.py --preset <denoise_lite|denoise|deecho_normal|deecho_aggressive|deecho_dereverb>. BatchNorm is folded into the convolution and dense weights, the training-only auxiliary head is dropped, and the band layout and resampling filters are written as metadata. The architecture and weights are otherwise unchanged. Conversion is deterministic: re-running it reproduces these files byte for byte.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов
3984606

0 моделей